-
-
Magazin
Deep-Learning
Bilder von Fremdmaterial, die vom TOMRA-Sortierer aufgenommen wurden, werden durch ein Deep-Learning-Modell analysiert, wodurch die Anzahl von Fehlalarmen und Ausfallzeiten der Geräte reduziert wird. Nur True Positives lösen Alarme an das Steuerungssystem aus, und die Verantwortlichen im Unternehmen erhalten sofortige Benachrichtigungen auf ihrem Mobiltelefon und können auf die gespeicherten Bilder zugreifen. Diese Bilder tragen zur fortlaufenden Verbesserung der Lösung bei, indem sie das Deep-Learning-Modell kontinuierlich neu trainieren.
Das vernetzte TOMRA Digital Operations Center
FMID ist in TOMRA Insight, eine cloud-basierte Plattform mit einer benutzerfreundlichen Oberfläche und Informationen in Echtzeit, integriert. Das vernetzte TOMRA Digital Operations Center ermöglicht die Fernüberwachung und -verwaltung der Lösung und verbessert so ihre Leistung. Da die Sortierung und Entfernung von Fremdmaterial im Vordergrund stehen, ist der Echtzeitaspekt der Bildverarbeitungstechniken elementar. Verschiedene Sensortechnologien in Kombination mit Bildverarbeitungsalgorithmen ermöglichen eine Trennung von Produkten und Fremdmaterial und verhindern damit Lebensmittelverschwendung.
Die Foreign Material Identification (FMID)-Lösung von TOMRA wurde mit dem Anuga FoodTec Award 2024 ausgezeichnet. ©TOMRA
Fehlalarme und Lebensmittelverschwendung minimieren
Da herkömmliche Methoden isoliert und meist ohne Konnektivität arbeiten, ist ihr Potenzial für eine kontinuierliche Verbesserung limitiert. Zudem führen manuelle Eingriffe häufig zu menschlichen Fehlern und die Sortierer entfernen Fremdmaterial meist aggressiv, um ein nicht kontaminiertes Lebensmittelprodukt zu gewährleisten. Dadurch werden eine hohe Anzahl von Fehlalarmen ausgelöst und zudem geht eine große Menge an Gutprodukten verloren oder muss wieder aufbereitet werden. Die neue Foreign Material Identification-Lösung kombiniert die Stärken fortschrittlicher Sorter mit den zusätzlichen Vorteilen einer vernetzten, cloudbasierten Lösung und künstlicher Intelligenz. Sie reduziert das Risiko einer Lebensmittelkontamination, verbessert die Lebensmittelsicherheit und führt letztlich zu einer sichereren und zuverlässigeren Lebensmittelversorgungskette mit minimierter Lebensmittelverschwendung, die die Verbraucher vor potenziellen Gesundheitsrisiken schützt.
Die im System gesammelten Informationen sorgen für die erforderliche Transparenz bzgl. der zu sortierenden Rohwaren- bzw. Produktqualität und unterstützen so die unternehmensinterne Qualitätssicherung. Die Vielseitigkeit und Anpassungsfähigkeit der Sortierlösung ermöglicht eine breite Anwendung in vielen Food-Kategorien.
